Methodology to measure seat belt fit in relation to skeletal geometry using an upright open MRI
Notice bibliographique
Résumé
OBJECTIVE: Poor seat belt fit can result in submarining behavior and injuries to the lower extremity and abdomen. While previous studies have explored seat belt fit relative to skeletal landmarks using palpation, medical imaging remains the gold standard for visualizing and locating skeletal landmarks and soft tissues. The goal of this study was to create a method to image automotive postures and seat belt fit from the pelvis to the clavicle using an Upright Open MRI. METHODS: The posture and belt fit of 10 volunteers (5M, 5F) were measured in an Acura TLX in each subject's preferred driving posture and a standard reclined posture, and then reproduced in a custom non-ferromagnetic seat replica in the MR scanner with an MRI-visible seat belt. The MRI sequence and coil placement were designed to yield clear visualization of bone, soft tissue borders, and the seat belt markers in separate scans of the pelvis, lumbar, thoracolumbar, and thoracic regions. A process was developed to precisely register the scans, and methods for digitizing spinal and pelvic landmarks were established to quantify belt fit. CONCLUSIONS: This method creates opportunities to study variation in seat belt fit in different automotive postures, for occupants of different sexes, ages, BMIs, anthropometries, and for pregnant occupants.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».